火狐体育娱乐平台:余志教授:交通系统控制与优化的基础
来源:火狐体育娱乐平台    作者:火狐体育最新版    发布时间:2022-08-28 16:41:06

  信号控制问题其实是我最不敢讲的主题,原因有三。第一,在交通领域,我最不懂的就是信号控制。讲大数据、图像视频处理、AI,我的底气都更足些;第二,我认为信号控制是最难的;第三,现在谁都可以谈信号控制,而且公说公有理,婆说婆有理,所以是一个很难讲的主题。

  交通系统优化与控制的基础,其实就是讲能力、需求和状态。我斗胆用基础交通理论的视角来看,怎么解决交通问题?

  我将分享四个方面的内容。第一,掌握供给与需求,是求解交通问题的基础,我将从传统交通理论说起。第二,如何掌握需求和控制?我认为,认知每一辆车的每次出行,是掌握需求和控制的基础。第三,和大家分享,这两年我们从宣城到上海的应用情况,归纳为全量认知、广域赋能。第四,我也总结了一个新模式,和大家分享讨论。

  2017年在无锡年会,我第一次分享的题目是“浅议交通信号控制的三要素——数据、目标和算法”。我当时得出一个结论就是,根据实际可采集的数据情况,来决定控制目标,由目标生成成熟的算法。目前我没有看到谁有很厉害的算法,只有在有数据条件的情况才能支持。

  也就是说,要做好控制必须有完备的数据、合理的目标、成熟的算法。我没有看见谁有很牛逼的算法,只有满足数据条件才能支持。

  在这个基础上,我再来讲清楚为什么数据决定目标和算法?这取决于我们对需求和能力的认知,以及它们之间的状态关系,是解答交通问题的三要素。

  路网结构和信号控制决定通行能力,OD和路径决定通行需求。其中路径不是由系统选择的,是由驾驶员决定的。所以驾驶员决定的需求,然后直接导致交通状态。

  好多年前无锡所让我写一个短篇,当时我提到交通的“四态”,也就是不拥不堵、拥而不堵、因拥致堵、不拥而堵。但有时候很多人连“四态”都没有搞清楚,是有原因的。

  从空间来看,就是宏观、中观、微观,包括路口、路段、区域和停车场四大要素,从时间来看,历史、现在和未来,包括短期、中期和长期。

  从这张图也可以看出来,A状态是不拥不堵,也就是流量较小,速度较高;B状态是拥而不堵,也就是流量较大,速度中高,这是交通控制最好的状态;C状态是因拥致堵,也就是流量较大,速度较低;最糟糕的是D状态,流量较小,速度又低。

  出现D状态一般是两种情况。一种是本身需求很小,但堵住了,多是因为事故导致的;还有一种情况就是交通是典型的非线性特征,也就是抛物线。我们对非线性这个词一定要敬畏,凡非线性意味着我们没办法求解,导致当需求增加,流量没法再增加甚至下降,这是交通难题的本质,我们不要挑战这个事情。

  交通系统和其他系统不同,有些系统需求不断增加,但流量和供给都可以保持稳定。比如电信系统,光纤可以按照通信的最大需求去提供。但是道路不能无限度扩建,这是最难的。

  但是要解决交通问题,就必须知道流量、需求和状态的关系。比如最简单的例子,信号控制的点控。我好多年前做信号控制,我就去研究这一个点的控制规模。目前我们用的最多的,就是分时段周期控制。分时段周期控制背后的基础是什么?是日复一日,流量和需求都是重复的,并且是同等的,意思就是今天早上8点和明天早上8点的需求是一样的,所以我们用同样一个周期。到12点是另外一个需求,我们再改变一个周期,这是分时段控制的基础,基于需求和能力的调配来决定的。交通给了我们这样的财富,节假日、休息日、非休息日有非常高的重复需求和状态,基于此,才能周期控制。

  第二个是感应式控制,是现在行业谈的最多的方式。简单说,就是车来了,就让你走。其实它是基于对需求的认知,在2秒或5秒内有一辆车要来?或者有几辆车要来?当我们知道这个需求,可以在合理的相位中,在合理的时间里延长3-5秒,让车通过。无论是线圈、视频监控还是用雷达,甚至是最传统的警察来引导,都是先对需求进行认知,才能对能力进行掌控。

  第三个是自适应控制。自适应控制就是以周期为范围来动态调整,当车来的时候,根据数量需求,来调配能力,实现动态控制路线 - 自适应控制

  需求、能力和状态三者关系是传统理论的基础,不是新事物,但没有被真正掌握。传统的这些方法,为什么好用?是因为传统的检测,包括统计意义上的评估,都能迎合或符合需求的认知。因为有了认知,我们才能根据需求来调控状态。

  现在行业很多人都说自己有很厉害的区域信号控制,但实际上没有人做,因为这是一个不可解的问题。特别是以线圈流量为感知能力的,没有办法求解一个区域信号多交叉口区域范围的信号组织能力问题,找不到它的最优匹配的最小解,数学上不可解。我想说的是,我们不要挑战数学和挑战物理。我认为要解决交通问题,需要清楚个体需求OD和路径,归根结底是要掌握过去、现在、未来每一辆车的每一次出行。

  总的来说,我认为所有信号控制优化的基础是掌握需求和能力。能力比较好掌握,路网就在那里,信号也是可控的,那么主要就是解决如何认知需求。只有我们真正掌握了过去、现在和未来的需求,我们才有可能求解交通问题。如果是完全自动驾驶,那么需求就是完成清楚的,交通问题也是可解的,这是由数学决定的,那么交通效率一定有很大提高。

  于是,我重新定义交通认知的基础是掌握每一辆车的每一次出行。本着这样的理念,我在过去5年做了一个尝试,就是把要计算的任何一个城市封闭起来。第一是确定城市所有的边界道路和市域边界,在城市交通信号控制系统或指挥系统中圈起来,比如上海就有130条边界道路。

  总的来说,就是在以可计算路网、城市边界出入口、虚拟停车上构成的封闭计算空间中,个体化认知每一辆车的行驶和进停等动静态体征,然后在数字孪生环境下,掌握每一条路口、路段、停车场、区域的宏微观交通状态,由此形成人、车、路高度协同的一体化道路交通管理新模式。

  2017年我到宣城做交通。很多朋友给我留了一句话说,余老师你找到一个桃花源,小宣城可以,但大城市不行。2019年我来到上海,现在还有朋友问我,余老师,你做了几条道路?我干的这么一件事,不是几条道路,是整个上海市共1.9万公里,一条不落。从2019年到上海,我心里早就知道,这个理论城市规模越大越好用。

  我不是为上海人做广告,但我确实很感谢他们,他们挺伟大的,愿意顶住压力,让我做风险这么大的尝试,我也推荐大家去上海看看系统。

  在宣城,我们用日均220万条数据掌握了日均8万辆车的28万次出行。基于可计算系统,现在我们在上海用日均6亿多条数据认知了日均445万辆车的1440万次出行。

  在这个基础上,我们就能够做到“完备感知、全量认知、广域赋能”的新模式。我们用了这么多的数据,同时也揭露了实体停车场的数据。在系统的虚拟停车场可能包括若干个实体停车场,接入多少个实体停车场,就补充进系统,也是天然吻合的。

  由此,我就提出了四个“一体化”,分别是动静态一体化,因为每辆车它的动态和静态是相互转换的,从动态到静态,从静态到动态;宏微观一体化,宏观从微观来,每个个体的直接相加等于宏观,不是统计也不是抽样;规划设计建设管理一体化,现在上海就是这种模式,我们从制定政策、制定规划到管理,都能够用一套数据;出行者、管理者、行业者一体化,我们正在努力实施。从管理上,要解决所有问题都是一个链条,包括潜在对象、活动对象和重点对象。像是上海的渣土车,原本是最难管的,现在从“原来的抓了多少辆”变成了“抓剩多少辆”。然后技术链条,是包括发现、整顿、治理和评估。

  这是上海最拥堵的道路之一,延安高架的其中一段。这段路总共有19个上下闸道口,现在高峰期肯定是非常堵的。怎么来分析和解决这个堵?我们就一辆辆数,进闸道的车辆数加上动态在路上行驶的车辆数,减去出闸道的车辆数,来统计在网车辆数,也就是这条路有多少车同时在开。

  另外一个交通难题是“溢出”。在上海,我们通过系统对路网自动扫描,发现潜在的短路口可能存在溢出风险的有1022处,已出现“溢出”的有376处,严重“溢出”的有26处,近一个月时间我们治理的有6处。在仙霞路有5个短路段,早高峰需求是每个周期不断增加的,当车辆增多到进入道路的车辆大过离开道路的车辆时,路上就会有淤积。这种淤积就会导致排队长度超出道路长度,出现“溢出”。

  这是无人机拍的一个视频截图。可以看到,之前解决溢出最有效的办法还是人力。上海大概有1万多个协管员,哪里排队拖尾巴了,就来拦车。如果没有他,交通早瘫痪了,所以最大的智能交通是协管员。

  另外,我们在宣城做的“家警校”,也是解决“需求、能力和状态”的问题。经过系统分析,在中小学门口,接小孩的私家车有262辆,每天放学期间大概有70多辆同时到校,能够停车的位置47个。于是我们给家长发通知分批到校,由过去要人力维持变成短信就能解决这个问题。

  第一,给大家留一道数学题。在给定的路网范围内,已知全量的OD和路径,以及每个信号路口的相位和相序,求解路口的最佳周期、绿信比和相位差,使得所有车辆的总旅行时间最短,我希望行业里的人能解解这个数学题。

  无物理站自由流收费,ETC与北斗,谁会率先落地?车路协同、智慧公路的发展和思考智慧引领,打造交通强国的“深圳范例”



上一篇:雨季地下室柱子断了十几根!什么原因?如何处理?
下一篇:中国智慧停车行业市场运营格局及前景战略分析报告(2022-2028年)